《車(chē)牌識(shí)別技術(shù)問(wèn)題研究（論文）》

視頻圖像中車(chē)牌識(shí)別技術(shù)研究摘要：車(chē)牌識(shí)別是智能公安交通系統(tǒng)中不可缺少的一部分。它是通過(guò)安裝在道路交叉口、小區(qū)入口、高速路收費(fèi)站入口的攝像頭，通過(guò)圖像預(yù)處理技術(shù)定位車(chē)牌區(qū)域，然后對(duì)定位后的車(chē)牌字符進(jìn)行分割，最后通過(guò)識(shí)別技術(shù)對(duì)分割后的字符進(jìn)行識(shí)別，從而有效地獲得車(chē)牌號(hào)。車(chē)牌識(shí)別技術(shù)是智能交通最重要的組成部分，在城市道路監(jiān)控、電子收費(fèi)、社區(qū)門(mén)禁等重要場(chǎng)合發(fā)揮著重要作用。本文以視頻圖像處理理論為基礎(chǔ)，深入研究了車(chē)牌識(shí)別技術(shù)的方法，改進(jìn)了視頻圖像中車(chē)牌識(shí)別技術(shù)的算法。為公安交通提供一定的參考和借鑒意義。關(guān)鍵詞：視頻圖像；車(chē)牌識(shí)別；改進(jìn)引言（一）研究背景隨著我國(guó)經(jīng)濟(jì)水平的不斷發(fā)展和人民物質(zhì)生活水平的提高，人們的出行方式發(fā)生了翻天覆地的變化，從以前的公交出行轉(zhuǎn)變?yōu)楝F(xiàn)在的汽車(chē)出行。據(jù)統(tǒng)計(jì)，截至2017年底，中國(guó)汽車(chē)保有量超過(guò)3億輛，其中2億輛。在給人們生活帶來(lái)便利的同時(shí)，交通堵塞、交通事故和環(huán)境問(wèn)題也相繼發(fā)生，并日趨嚴(yán)重。如何解決日益嚴(yán)重的交通問(wèn)題已成為包括我國(guó)在內(nèi)的世界各國(guó)政府共同關(guān)注的問(wèn)題，其中智能交通系統(tǒng)已成為各國(guó)政府最重要的發(fā)展目標(biāo)。自動(dòng)檢測(cè)、圖像處理和模式識(shí)別技術(shù)也越來(lái)越受到人們的關(guān)注。智能交通系統(tǒng)（IntelligenttransportationSystem）是將先進(jìn)的信息技術(shù)、通信技術(shù)、傳感器技術(shù)、控制技術(shù)和計(jì)算機(jī)技術(shù)集成到整個(gè)交通管理系統(tǒng)中的實(shí)時(shí)、準(zhǔn)確、高效的綜合交通管理系統(tǒng)。它能實(shí)時(shí)提供某一路段的交通信息，實(shí)時(shí)采集交通信息，能有效減少交通擁堵和交通事故，為人們出行提供便利，為大家創(chuàng)造一個(gè)干凈整潔的生活環(huán)境。（二）研究意義車(chē)牌識(shí)別是智能交通系統(tǒng)中不可缺少的一部分。它是通過(guò)安裝在道路交叉口、小區(qū)入口、高速路收費(fèi)站入口的攝像頭，通過(guò)圖像預(yù)處理技術(shù)定位車(chē)牌區(qū)域，然后對(duì)定位后的車(chē)牌字符進(jìn)行分割，最后通過(guò)識(shí)別技術(shù)對(duì)分割后的字符進(jìn)行識(shí)別，從而有效地獲得車(chē)牌號(hào)。車(chē)牌識(shí)別系統(tǒng)可應(yīng)用于收費(fèi)站不停車(chē)收費(fèi)、高速公路超速、違章駕駛、交通流檢測(cè)、車(chē)輛定位、追逃罪犯、智能小區(qū)、停車(chē)場(chǎng)無(wú)人值守等重要場(chǎng)合。隨著科學(xué)技術(shù)的發(fā)展，車(chē)牌識(shí)別技術(shù)在交通管理中發(fā)揮著重要的作用。首先從包含車(chē)輛關(guān)鍵幀或靜態(tài)圖像的視頻中提取車(chē)牌圖像，然后對(duì)車(chē)牌圖像進(jìn)行字符分割。最后，采用一定的識(shí)別方法完成車(chē)牌字符的識(shí)別，從而提取出車(chē)輛的車(chē)牌號(hào)。車(chē)牌識(shí)別系統(tǒng)可廣泛應(yīng)用于高速公路管理、電子收費(fèi)、車(chē)輛定位、車(chē)輛防盜管理、交通監(jiān)控、交通誘導(dǎo)、車(chē)輛檢測(cè)等重要場(chǎng)合。對(duì)維護(hù)交通安全、提高交通管理服務(wù)質(zhì)量、緩解交通擁堵、實(shí)現(xiàn)交通管理自動(dòng)化等方面具有重要作用，對(duì)公安交通管理具有一定的參考意義。（三）國(guó)內(nèi)外研究現(xiàn)狀1.國(guó)外研究現(xiàn)狀國(guó)外的車(chē)牌識(shí)別技術(shù)起步于20世紀(jì)，是最早的，但還沒(méi)有系統(tǒng)的研究。直到20世紀(jì)90年代計(jì)算機(jī)技術(shù)的飛速發(fā)展，智能交通才開(kāi)始成為研究熱點(diǎn)。為了緩解交通擁堵帶來(lái)的交通問(wèn)題，美、日、歐等國(guó)開(kāi)始投入大量精力和資金進(jìn)行智能交通的研究，極大地推動(dòng)了智能交通的發(fā)展向更深、更遠(yuǎn)的方向發(fā)展。由于國(guó)外在這方面起步較早，its的研究和開(kāi)發(fā)也相對(duì)完善。例如，英國(guó)alphatech公司開(kāi)發(fā)的rgus系統(tǒng)、德國(guó)西門(mén)子公司開(kāi)發(fā)的AREM7S產(chǎn)品、以色列hitech公司開(kāi)發(fā)的see/car系統(tǒng)系列產(chǎn)品、英國(guó)IPI公司開(kāi)發(fā)的rtvnpr、新加坡Optasia公司開(kāi)發(fā)的PMPs系統(tǒng)，可以實(shí)現(xiàn)全天候的車(chē)牌字符識(shí)別，精確和實(shí)時(shí)[F2L]。國(guó)外對(duì)車(chē)牌識(shí)別系統(tǒng)的研究不僅限于上述上市公司，而且很多公司都致力于智能交通的研究，這使得車(chē)輛的自動(dòng)管理得到了很大的提高。雖然國(guó)外的車(chē)牌識(shí)別技術(shù)已經(jīng)越來(lái)越成熟，但到目前為止，還沒(méi)有開(kāi)發(fā)出適合世界各國(guó)車(chē)牌識(shí)別的車(chē)牌識(shí)別系統(tǒng)。2.國(guó)內(nèi)研究現(xiàn)狀與國(guó)外的車(chē)牌識(shí)別系統(tǒng)相比，國(guó)內(nèi)的研究起步較晚，技術(shù)相對(duì)落后于國(guó)外。但經(jīng)過(guò)幾年的不懈努力，國(guó)內(nèi)許多企業(yè)在車(chē)牌識(shí)別方面取得了良好的成績(jī)。如漢王公司開(kāi)發(fā)的“漢王巖”、上海明圖軟件有限公司的立方板產(chǎn)品、北京智通視頻的lpr-268n車(chē)牌識(shí)別一體機(jī)等。近年來(lái)，國(guó)內(nèi)多所知名高校的重點(diǎn)實(shí)驗(yàn)室投入了大量科研經(jīng)費(fèi)和人員進(jìn)行了牌照建設(shè)車(chē)牌識(shí)別系統(tǒng)，并在這方面取得了顯著的成績(jī)。例如，耿慶田等人。吉林大學(xué)的余潤(rùn)華等人提出了一種基于分形維數(shù)和隱馬爾可夫特征的車(chē)牌識(shí)別算法，該算法對(duì)不同類(lèi)型的車(chē)牌具有較高的識(shí)別率。清華大學(xué)的牛博雅等人提出了一種基于神經(jīng)網(wǎng)絡(luò)聯(lián)合模板匹配的車(chē)牌檢測(cè)方法，不僅提高了識(shí)別精度，而且在每種方法中都起到了一定的作用。北京交通大學(xué)采用先粗定位后精識(shí)別的方法，利用車(chē)牌的先驗(yàn)知識(shí)進(jìn)行粗定位，提取車(chē)牌的梯度直方圖特征后利用支持向量機(jī)實(shí)驗(yàn)進(jìn)行準(zhǔn)確識(shí)別。該方法不僅具有很高的魯棒性，而且識(shí)別速度和精度均滿(mǎn)足實(shí)驗(yàn)要求。雖然我們?cè)谲?chē)牌識(shí)別系統(tǒng)中取得了很好的效果，但這些算法都是在實(shí)驗(yàn)室理想的環(huán)境下實(shí)現(xiàn)的，在現(xiàn)實(shí)生活中，天氣、光線等外界因素都會(huì)對(duì)車(chē)牌圖像產(chǎn)生干擾。如何消除這些干擾，開(kāi)發(fā)出適用性強(qiáng)、精度高、穩(wěn)定性好的車(chē)牌識(shí)別系統(tǒng)，仍需許多學(xué)者的研究。

二、圖像預(yù)處理數(shù)字圖像處理技術(shù)的應(yīng)用是在計(jì)算機(jī)系統(tǒng)中，包括各種輸入、輸出等硬件設(shè)備。其基本原理是：首先將連續(xù)模擬圖像信號(hào)轉(zhuǎn)換為離散數(shù)字圖像信號(hào)，然后根據(jù)各種要求建立模型，最后通過(guò)編程和控制過(guò)程實(shí)現(xiàn)。硬件設(shè)備、軟件設(shè)備和必要的科技儲(chǔ)備是數(shù)字圖像處理技術(shù)發(fā)展的基礎(chǔ)。目前，數(shù)字處理是圖像處理的研究和發(fā)展趨勢(shì)，主要原因有以下幾個(gè)方面：一是采用數(shù)字圖像處理方法處理圖像時(shí)，灰度值多（256級(jí)以上），精度高，可以進(jìn)行復(fù)雜的非線性運(yùn)算，其功能非常完備靈活；二是數(shù)字處理技術(shù)可以進(jìn)行復(fù)雜的非線性運(yùn)算。同時(shí)，它還具有通用性強(qiáng)、使用簡(jiǎn)單、存儲(chǔ)方便等優(yōu)點(diǎn)。數(shù)字圖像處理技術(shù)是車(chē)牌識(shí)別技術(shù)的基礎(chǔ)。在車(chē)牌定位之前，需要進(jìn)行一系列的圖像處理，即預(yù)處理。本文采用了基于灰度圖像的圖像預(yù)處理方法。將彩色圖像轉(zhuǎn)換成灰度圖像進(jìn)行處理。該方法有效地減小了圖像的尺寸，從而降低了對(duì)存儲(chǔ)容量的要求，減少了計(jì)算量，節(jié)省了計(jì)算時(shí)間，從而提高了處理速度，滿(mǎn)足了實(shí)時(shí)系統(tǒng)的要求。彩色圖像的預(yù)處理包括彩色灰度變換、灰度拉伸處理、二值化、中值濾波、邊緣檢測(cè)等。（一）灰度化一般來(lái)說(shuō)，包含車(chē)輛的攝像機(jī)圖像是24位的真彩色圖像，需要轉(zhuǎn)換成灰度圖像。原因有兩個(gè)：一是便于后面更快速地處理圖像；二是多顏色車(chē)輛牌照統(tǒng)一。本文采用的灰度法是現(xiàn)行的標(biāo)準(zhǔn)平均法，即:g=0.3R+0.59G+0.11B其中，g表示灰度化后的灰度值，R,G,B分別表示原真彩色圖中的紅、綠、藍(lán)分量。（二）灰度拉伸低對(duì)比度是指圖像太強(qiáng)（例如，灰度范圍為200-255）或太暗（例如，灰度范圍為0-63）。主要原因是成像時(shí)間太強(qiáng)或不足，即灰度不拉開(kāi)，全部擠在一起?；叶壤斓哪康氖窃鰪?qiáng)對(duì)比度，即擴(kuò)展所需的灰度范圍，使該范圍內(nèi)的像素出現(xiàn)兩種相反的情況，即亮和暗?；叶葓D像拉伸后，圖像的邊緣特征更加明顯，因此車(chē)牌區(qū)域的筆劃特征更加明顯，更有利于后邊緣的邊緣檢測(cè)。（三）二值化閾值的選擇是車(chē)牌在二值化過(guò)程中遇到的難點(diǎn)之一。車(chē)牌的二值化方法一般分為全局閾值和局部閾值兩大類(lèi)。全局閾值法有Ostu算法等，局部閾值法有Bersen等。但這兩種算法的利弊不同:全局閾值的方法雖然速度較快,但是比較容易造成車(chē)輛牌照中筆畫(huà)的丟失，與此對(duì)比，局部閾值的方法可能造成筆畫(huà)斷裂和偽影等現(xiàn)象。本文中用到的閾值選取方法是基于全局閾值化方法的改進(jìn),將灰度值小于閾值的像素直接設(shè)置為0，而灰度值大于閾值的像素直接設(shè)置為255。其中初始化閾值的方法是:式中，是最高灰度值，是最低灰度值。實(shí)驗(yàn)證明，利用該方法選取閡值對(duì)不同類(lèi)型的牌照都有一定的適應(yīng)性，基本可以保證背景設(shè)置為0，以突出車(chē)牌區(qū)域。（四）中值濾波圖像中的噪聲會(huì)導(dǎo)致圖像質(zhì)量的惡化，使圖像變得模糊，有的甚至導(dǎo)致圖像本身的特征被淹沒(méi)和改變，給圖像的識(shí)別和分析帶來(lái)困難。因此，為了去除噪聲，采用了濾波方法。中值濾波是一種非線性濾波，也是一種鄰域運(yùn)算，類(lèi)似于卷積。中值濾波是根據(jù)灰度值對(duì)其鄰域內(nèi)的所有像素進(jìn)行排序，然后取其值組的中間值作為鄰域中心像素點(diǎn)的輸出值，這不是一個(gè)簡(jiǎn)單的加權(quán)和。中間值的選擇方法為：如果鄰域像素?cái)?shù)為奇數(shù)，則取像素灰度值排序后的中間值作為輸出值；如果鄰域像素?cái)?shù)為偶數(shù)，以排序后中間兩像素灰度值的平均值作為輸出值。鄰里窗可以是圓形、菱形、方形、十字形、線形等不同尺寸和形狀。不同形狀窗口的過(guò)濾效果不同，使用時(shí)必須根據(jù)圖像內(nèi)容和不同要求進(jìn)行選擇。根據(jù)以往的經(jīng)驗(yàn)，長(zhǎng)輪廓的物體圖像可以選擇正方形或圓形，而交叉窗口有利于尖頂角的圖像。利用中值濾波消除噪聲的方法有很多種，而且都是靈活多樣的。一種方法是利用小尺度鄰域進(jìn)行處理，然后逐步增大鄰域的大小。另一種方法是循環(huán)使用維數(shù)濾波和二維濾波。此外，可以使用迭代運(yùn)算，即對(duì)輸入圖像重復(fù)使用相同的中值濾波器，直到輸出圖像不再改變。中值濾波的一個(gè)突出優(yōu)點(diǎn)是不僅可以去除噪聲，而且可以防止邊緣模糊。如果圖像中的噪聲是很多孤立點(diǎn)，對(duì)應(yīng)的像素點(diǎn)很少，并且圖像是由大面積多像素組成的，那么中值濾波的效果會(huì)很好。（五）邊緣檢測(cè)邊緣是像素的集合，其周?chē)袼氐幕叶仍谖蓓敾蚺_(tái)階上發(fā)生變化。邊緣是物體之間、物體與背景之間、圖像基元與基元之間的邊緣。它是圖像分割的一個(gè)重要特征。物體的邊緣由灰度的不連續(xù)來(lái)反映。邊緣檢測(cè)局部算子法的步驟如下:第一步是計(jì)算某一鄰域內(nèi)每個(gè)像素的灰度變化;在第二步中，根據(jù)邊緣附近的一階或二階導(dǎo)數(shù)的變化規(guī)律，采用一種簡(jiǎn)單的方法來(lái)檢測(cè)邊緣。邊緣分為兩種：屋頂狀邊緣和臺(tái)階狀邊緣：前者位于灰度值由增到減的轉(zhuǎn)折點(diǎn)；后者兩側(cè)像素灰度值差異顯著。邊緣檢測(cè)算子檢測(cè)每個(gè)像素的鄰域，量化灰度變化率，包括方向的確定。大多數(shù)情況下，基于方向?qū)?shù)的掩模用于卷積。三、總結(jié)和展望隨著現(xiàn)代交通的智能化，高速公路交通流量的控制，城市路網(wǎng)的監(jiān)控，交通事故和違章行為的調(diào)查處理，交通信息的導(dǎo)航，一些公共交通場(chǎng)所，如城市停車(chē)場(chǎng)，高檔住宅停車(chē)位的導(dǎo)航宿舍、停車(chē)費(fèi)等，都需要車(chē)牌識(shí)別技術(shù)。面對(duì)人們?nèi)找嬖鲩L(zhǎng)的汽車(chē)需求和日益擁堵的交通問(wèn)題，要解決二者之間的矛盾，必須構(gòu)建智能交通管理模型。車(chē)牌識(shí)別系統(tǒng)作為智能交通管理的重要組成部分，已成為現(xiàn)代交通工程領(lǐng)域的重點(diǎn)和熱點(diǎn)問(wèn)題之一?？偨Y(jié)本文首先介紹了各國(guó)智能交通的發(fā)展，總結(jié)了近年來(lái)我國(guó)車(chē)牌識(shí)別技術(shù)的發(fā)展，列舉了目前流行的一些車(chē)牌識(shí)別產(chǎn)品，總結(jié)了前人的研究成果，本文采用傳統(tǒng)的圖像處理方法車(chē)牌定位、車(chē)牌字符分割和車(chē)牌字符識(shí)別過(guò)程的技術(shù)和模型識(shí)別技術(shù)本文系統(tǒng)地討論了涉及的關(guān)鍵技術(shù)，提出了本文所采用的方法。本文首先介紹了車(chē)牌定位前的預(yù)處理技術(shù)，包括圖像灰度化、二值化、圖像邊緣檢測(cè)和濾波。這些處理可以提高圖像質(zhì)量，突出車(chē)牌信息，有利于車(chē)牌定位。然后對(duì)常用的車(chē)牌定位算法進(jìn)行了研究和分析。最后，提出了一種改進(jìn)的投影定位方法。實(shí)驗(yàn)表明，該方法能快速、準(zhǔn)確地定位車(chē)牌區(qū)域。展望目前，車(chē)牌識(shí)別技術(shù)已經(jīng)在公安交通領(lǐng)域獲得了成功應(yīng)用，為公安交通路況和違章監(jiān)控、交通參數(shù)提取等提供了新手段和新裝置。然而，該技術(shù)的發(fā)展還處于研究階段，使得實(shí)際應(yīng)用時(shí)出現(xiàn)了可靠性、準(zhǔn)確性不能滿(mǎn)足要求等問(wèn)題。給公安行政提供了不少的幫助。在圖像采集過(guò)程中，可以使用照相機(jī)、CMOS芯片直接獲取圖像，也可以CCD系統(tǒng)獲得圖像。但是這些系統(tǒng)不僅安裝調(diào)試不方便，而且在野外長(zhǎng)期工作時(shí)不穩(wěn)定。另一方面，成本高、體積龐大、笨重等缺點(diǎn)也給系統(tǒng)推廣帶來(lái)困難。為此，需要開(kāi)發(fā)一種功能強(qiáng)大、工作可靠，便攜小巧的圖像采集專(zhuān)用系統(tǒng)，使圖像采集、處理一體化，而且能夠在外界溫度、適度、氣候、光照等環(huán)境變化時(shí)可以長(zhǎng)期工作。本文只對(duì)車(chē)牌圖像從定位到識(shí)別各環(huán)節(jié)上使用的技術(shù)進(jìn)行了研究，對(duì)于車(chē)牌識(shí)別嵌入式系統(tǒng)，整體軟硬件系統(tǒng)還沒(méi)有深入研究。根據(jù)目前我國(guó)路網(wǎng)中多個(gè)車(chē)道的特點(diǎn)，系統(tǒng)還需要在同時(shí)定位、識(shí)別多個(gè)車(chē)牌圖像上繼續(xù)探討，進(jìn)而提高其使用的價(jià)值。對(duì)于神經(jīng)網(wǎng)絡(luò)在公安車(chē)牌識(shí)別技術(shù)中有很廣泛的應(yīng)用，由于時(shí)間的關(guān)系，研究還很粗淺，有待今后深入學(xué)習(xí)。通過(guò)對(duì)現(xiàn)有的車(chē)牌識(shí)別技術(shù)的學(xué)習(xí)、探討，介紹了一系列車(chē)牌識(shí)別中使用的方法，總的體會(huì)是，車(chē)牌識(shí)別系統(tǒng)是一個(gè)復(fù)雜、細(xì)致的系統(tǒng)，主要是在識(shí)別過(guò)程中完成每項(xiàng)任務(wù)選擇使用不同的技術(shù)，都會(huì)影響到識(shí)別結(jié)果，每一個(gè)細(xì)小的環(huán)節(jié)誤差，都會(huì)導(dǎo)致結(jié)果的失敗，這也正是圖像處理和模式識(shí)別的特點(diǎn)。由于該系統(tǒng)涉及的理論知識(shí)、范疇都較廣，因此還需要在未來(lái)的日子里，更加深入的學(xué)習(xí)和研究。

參考文獻(xiàn)[1]張立志.圖像處理技術(shù)的車(chē)牌識(shí)別系統(tǒng)研究[J].電子測(cè)試,2020(03):70-71+10.[2]朱鳳霞.基于神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別的車(chē)牌識(shí)別技術(shù)[J].電子設(shè)計(jì)工程,2020,28(02):130-133+138.[3]郝芯,吳翠紅,張廣杰,張繼友.智能監(jiān)控裝置車(chē)牌識(shí)別技術(shù)研究[J].湖北農(nóng)機(jī)化,2019(15):96-97.[4]李紅建,李誠(chéng).基于藍(lán)牙技術(shù)的自動(dòng)車(chē)牌識(shí)別停車(chē)系統(tǒng)實(shí)現(xiàn)[J].電子技術(shù)與軟件工程,2019(15):256-257.[5]沈得.數(shù)字圖像處理技術(shù)在車(chē)牌識(shí)別系統(tǒng)中的應(yīng)用[J].電子制作,2019(12):12-15.[6]陸瑛瑤,杜慶東.基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)[J].信息通信,2019(04):55-58.[7]付莉,付秀偉,陳玲玲.基于圖像處理的車(chē)牌識(shí)別技術(shù)[J].吉林化工學(xué)院學(xué)報(bào),2019,36(03):42-46.